KR20200071836A - Farm Productivity Analysis System Using Big Data and Productivity Analysis Method Using It - Google Patents
Farm Productivity Analysis System Using Big Data and Productivity Analysis Method Using It Download PDFInfo
- Publication number
- KR20200071836A KR20200071836A KR1020180153797A KR20180153797A KR20200071836A KR 20200071836 A KR20200071836 A KR 20200071836A KR 1020180153797 A KR1020180153797 A KR 1020180153797A KR 20180153797 A KR20180153797 A KR 20180153797A KR 20200071836 A KR20200071836 A KR 20200071836A
- Authority
- KR
- South Korea
- Prior art keywords
- farm
- data
- productivity
- disease
- collected
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 201000010099 disease Diseases 0.000 claims abstract description 55
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 55
- 244000144972 livestock Species 0.000 claims abstract description 26
- 238000013480 data collection Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 abstract description 5
- 235000013601 eggs Nutrition 0.000 description 23
- 241000287828 Gallus gallus Species 0.000 description 12
- 235000013330 chicken meat Nutrition 0.000 description 12
- 238000009395 breeding Methods 0.000 description 9
- 230000001488 breeding effect Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 9
- 241000271566 Aves Species 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 208000011580 syndromic disease Diseases 0.000 description 6
- 239000003814 drug Substances 0.000 description 5
- 229940079593 drug Drugs 0.000 description 5
- 201000002491 encephalomyelitis Diseases 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 208000015181 infectious disease Diseases 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 244000144977 poultry Species 0.000 description 3
- 235000013594 poultry meat Nutrition 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 235000021050 feed intake Nutrition 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000272517 Anseriformes Species 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 241000283086 Equidae Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000009474 immediate action Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Computer Hardware Design (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 빅데이터를 이용한 농장 생산성 및 질병 분석 장치 및 이를 이용한 생산성 및 질병 분석 방법에 관한 것으로, 더욱 상세하게는, 농장 곳곳에 설치된 데이터수집부에 의하여 농장의 데이터를 실시간으로 수집하여 생산성을 예측, 분석하고, 농장에 설치된 카메라를 통해 촬영한 가축의 사진을 바탕으로 질병을 예측, 분석하는 생산성 분석 장치 및 이를 이용한 생산성 분석 방법에 관한 것이다.The present invention relates to a farm productivity and disease analysis device using big data and a productivity and disease analysis method using the same, and more specifically, predicts productivity by collecting farm data in real time by a data collection unit installed in various places on the farm. , Analyze, and predict the disease based on the pictures of livestock photographed through a camera installed on the farm. It relates to a productivity analysis device and a productivity analysis method using the same.
소비자들을 대상으로 하는 농축산물에 대한 범죄의 증가와 건강에 대한 관심이 증가함에 따라, 농축산물을 구매하는 소비자들은 단순히 제품의 신선도를 확인하는 것뿐만 아니라 해당 제품에 대한 상세한 정보를 확인하여 안전하고 깨끗한 지역에서 해당 제품이 생산되었는지에 많은 관심을 갖게 된다.As crimes against agricultural products targeted to consumers increase and interest in health increases, consumers who purchase agricultural products not only check the freshness of the products, but also check the detailed information about the products to be safe and secure. You will be interested in whether the product was produced in a clean area.
또한, 농축산물을 생산하거나 가공하는 업자들은 농축산물에 관한 자료인 농축산업 데이터를 좀더 정확하고 동적으로 확인하길 원하고 있다.In addition, producers or producers of agricultural and livestock products want to more accurately and dynamically check the agricultural and industrial data, which is data on agricultural and livestock products.
이에 따라, 일반적으로, 닭, 오리, 돼지, 개, 소, 말 등 기타의 가축을 기르는 축산 농가에서는 사육 또는 증식되는 가축에 대해 그 생체변화, 예를 들어, 생리변화, 질병발생, 응급환축발견 등을 적시에 파악해 필요한 조치를 취하는 것이 중요한 사항이다.Accordingly, in general, livestock farms that raise other livestock such as chickens, ducks, pigs, dogs, cows, horses, and the like, are subject to biological changes, such as physiological changes, disease outbreaks, and emergency reversion to livestock that are raised or propagated. It is important to identify the back in a timely manner and take necessary measures.
가축 각각에 생체 기기를 부착하여, 가축의 생체변화를 파악하는 방법에 관한 기술이 국내공개특허 제10-2014-0105626호(순천대학교 산학협력단, 2014.09.02., 이하 종래기술)에 개시된 바 있다.Techniques for attaching biological devices to each of the livestock and determining the biological change of the livestock have been disclosed in Korean Patent Publication No. 10-2014-0105626 (Suncheon University Industry-Academic Cooperation Foundation, 2014.09.02., hereinafter referred to as prior art). .
상기 종래기술은 수많은 가축 각각에 생체 기기를 부착해야 하므로, 경제적 부담이 가해지게 되고, 생체 변화 데이터를 일괄적으로 회수하고 분석해야 하므로, 즉각적인 생체 변화 파악 및 그에 대한 즉각적인 조치가 불가능하다는 문제점이 있다. 또한, 생체 변화 데이터를 통해 가축의 생체변화를 파악하기 위해서는 전문 기관에 생체 변화 데이터를 보내고, 전문 기관에서 분석된 데이터를 수신하여 생체 변화를 파악할 수 있으므로, 즉각적인 파악이 불가능한 비효율적인 문제점이 존재한다.The prior art has a problem in that since it is necessary to attach a biological device to each of a large number of livestock, an economic burden is applied, and since it is necessary to collect and analyze the biological change data in a batch, it is impossible to immediately identify the biological change and immediately act on it. . In addition, in order to grasp the bio-change of livestock through the bio-change data, since the bio-change data is sent to a specialized institution, and the bio-change can be grasped by receiving the analyzed data from the professional institution, there is an inefficient problem that is impossible to immediately grasp. .
본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로, 종래의 사용자가 가축 각각에 생체 기기를 부착해야 하므로, 경제적 부담이 가해지게 되고, 생체 변화 또는 질병 데이터를 일괄적으로 회수하고 분석해야 하므로, 즉각적인 생체 변화 또는 질병 파악 및 그에 대한 즉각적인 조치가 불가능하다는 문제점을 해결하고자 하는데 그 목적이 있다.The present invention has been devised to solve the above-mentioned problems, and a conventional user has to attach a biological device to each of the livestock, so an economic burden is applied, and the biological change or disease data must be collectively collected and analyzed. The purpose is to solve the problem that it is not possible to immediately identify and change the disease or change the body immediately.
또한, 전문 기관에서 분석된 데이터를 수신하여 생체 변화 또는 질병 감염여부를 파악하기 때문에 즉각적인 파악이 불가능한 비효율적인 문제점을 해결하고자 한다.In addition, it attempts to solve the inefficient problem, which is impossible to immediately grasp because it receives the analyzed data from a specialized institution and grasps whether there is a biological change or disease infection.
가축을 사육하는 농장에 설치되어, 생산성 및 질병을 분석하는 장치에 있어서, 적어도 하나 이상 설치된 입력부, 농장의 정보를 저장하고, 상기 농장의 생산성과 상기 농장 내의 가축의 질병을 예측하고 분석하는 농장서버, 상기 농장서버로부터의 정보를 취합하고 분류하여 저장하는 클라우드 서버를 포함하는 것을 특징으로 한다.A farm server that is installed on a farm for raising livestock and analyzes productivity and disease, and stores at least one installed input unit and information on the farm, and predicts and analyzes the productivity of the farm and the disease of livestock in the farm. And a cloud server that collects, classifies, and stores information from the farm server.
상기 농장서버는 상기 입력부를 통해 촬영된 영상 및 농장 내의 데이터를 수집하는 데이터수집부 및 상기 데이터수집부로부터 수집된 데이터를 분석 및 가공하는 분석부를 포함하는 것을 특징으로 한다.The farm server is characterized in that it comprises a data collection unit for collecting data captured in the farm and images captured through the input unit and an analysis unit for analyzing and processing data collected from the data collection unit.
상기 분석부는 상기 입력부를 통해 촬영된 영상을 기저장된 사진과 비교하여 분석하는 것을 특징으로 한다. 상기 데이터는 실시간으로 수집되는 것을 특징으로 한다.The analysis unit compares and analyzes an image captured through the input unit with a pre-stored picture. The data is collected in real time.
가축을 사육하는 농장에 설치되어, 생산성 및 질병을 분석하는 방법에 있어서, 농장 내의 데이터를 실시간으로 수집하는 단계, 실시간으로 수집한 농장 내의 데이터를 농장서버에 저장하는 단계, 수집된 농장의 데이터가 클라우드 서버에서 취합되고 분류되는 단계, 입력부를 통해 수집된 이미지 또는 영상을 기저장된 사진과 비교, 분석하여, 농장의 생산성을 파악하거나 또는 질병을 분석하는 단계를 포함하는 것을 특징으로 한다.Installed in a farm for raising livestock, in a method of analyzing productivity and disease, collecting data in a farm in real time, storing data in a farm collected in real time on a farm server, and collecting farm data It is characterized in that it comprises the step of collecting and sorting in the cloud server, comparing and analyzing images or videos collected through the input unit with pre-stored photos, to grasp farm productivity or to analyze diseases.
이상에서 설명한 바와 같이 본 발명은 실시간으로 데이터를 수집하여 분석을 진행하므로, 즉각적인 주변환경 파악이 가능하며, 즉각적인 생체 변화를 파악 가능하고, 질병 감염 여부에 대해서 즉각 파악 가능하다.As described above, the present invention collects data in real time and analyzes it, so that it is possible to immediately grasp the surrounding environment, to grasp an instant change in the body, and to immediately recognize whether or not a disease is infected.
또한, 전문 기관에 데이터를 의뢰할 필요 없이, 빅데이터 분석을 통해 생산성을 파악할 수 있으며, 질병에 대한 즉각적인 조치가 가능하다.In addition, it is possible to grasp productivity through big data analysis and to take immediate action against diseases, without the need to request data from specialized organizations.
도 1은 본 발명의 일 실시예에 따른 빅데이터 구축을 나타낸 도면.
도 2는 본 발명의 일 실시예에 따른 데이터 수집을 나타낸 도면.
도 3은 본 발명의 일 실시예에 따른 데이터 분석을 나타낸 도면.
도 4는 본 발명의 일 실시예에 따른 질병 파악 방법을 나타낸 도면.
도 5는 본 발명의 일 실시예에 따른 질병 파악 방법을 나타낸 도면.1 is a view showing a big data construction according to an embodiment of the present invention.
2 is a diagram illustrating data collection according to an embodiment of the present invention.
3 is a diagram illustrating data analysis according to an embodiment of the present invention.
4 is a view showing a disease identification method according to an embodiment of the present invention.
5 is a view showing a disease identification method according to an embodiment of the present invention.
본 발명의 실시예들에 대한 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.Advantages and features of embodiments of the present invention, and methods of achieving them will be apparent with reference to embodiments described below in detail together with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but may be implemented in various different forms, and only the embodiments allow the disclosure of the present invention to be complete, and common knowledge in the technical field to which the present invention pertains. It is provided to completely inform the person having the scope of the invention, and the present invention is only defined by the scope of the claims. The same reference numerals refer to the same components throughout the specification.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. In describing embodiments of the present invention, when it is determined that a detailed description of known functions or configurations may unnecessarily obscure the subject matter of the present invention, the detailed description will be omitted. In addition, terms to be described later are terms defined in consideration of functions in an embodiment of the present invention, which may vary according to a user's or operator's intention or practice. Therefore, the definition should be made based on the contents throughout this specification.
본 발명은 빅데이터를 활용한 농장의 생산성 및 질병 분석 및 예측하는 장치 및 방법에 관한 것으로, 농장에서 수집된 데이터정보를 기반으로 생산성을 분석하고 질병을 예측하여 사용자에게 제공하는 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and method for analyzing and predicting productivity and disease of a farm using big data, and an apparatus and method for analyzing productivity and predicting disease based on data information collected from a farm and providing it to a user will be.
가축의 출생에서 출하에 이르는 전 과정에 필요한 정보인 생산환경, 사육환경, 농장 경영, 자동화 기계 등을 데이터 정보로 수집하고, 수집된 정보를 빅데이터화 하여, 빅데이터 분석기법을 통해 가축의 사육현황, 생산성, 질병등에 대한 정보를 분석, 예측하여 사용자에게 제공하고, 농장별로 수집된 빅데이터를 통해 품종, 사육시설, 지역, 환경, 사료, 약품 등에 따른 생산성 분석 및 질병 분석 결과를 사용자에게 제공한다. Production environment, breeding environment, farm management, automation machinery, etc., which are information necessary for the entire process from birth to shipment of livestock, are collected as data information, and the collected information is converted into big data. Analyze, predict, and provide information on productivity, disease, etc., and provide productivity analysis and disease analysis results to users through varieties, breeding facilities, regions, environments, feed, and drugs through big data collected for each farm. .
본 발명의 명세서 전반에 기재된 가축은 일 예로 닭을 기재하였지만, 이에 한정하는 것은 아니며, 다양한 가축에 적용될 수 있다.The livestock described in the general specification of the present invention describes chicken as an example, but is not limited thereto, and can be applied to various livestock.
본 발명의 일 실시예에 따른 빅데이터를 이용한 농장 생산성 및 질병 분석 장치는, 가축을 사육하는 농장에 설치되어, 생산성 및 질병을 분석하는 장치로서, 크게 입력부, 농장서버 및 클라우드 서버로 구성된다.The farm productivity and disease analysis device using big data according to an embodiment of the present invention is installed on a farm for raising livestock, and is a device for analyzing productivity and disease, and is largely composed of an input unit, a farm server, and a cloud server.
상기 입력부는 상기 농장 내에 적어도 하나 이상 설치되어, 가축의 영상을 촬영하거나 또는 농장의 환경을 촬영하기 위해 구비되어 있다. 상기 입력부는, 상기 농장 내의 영상정보 뿐만 아니라, 환경정보, 사용자 입력정보 등이 모두 포함된다. 상기 입력부로 촬영된 가축 또는 농장의 환경의 활용에 대해서는 후술하기로 한다.At least one input unit is installed in the farm, and is provided to photograph an image of a livestock or to photograph an environment of a farm. The input unit includes not only image information in the farm, but also environment information, user input information, and the like. The use of the environment of the livestock or farm photographed by the input unit will be described later.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명하기로 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 빅데이터 구축을 나타낸 도면이다. 도 1을 참조하여 더욱 상세히 설명한다.1 is a view showing a big data construction according to an embodiment of the present invention. This will be described in more detail with reference to FIG. 1.
본 발명의 일 실시예에 따른 농장의 생산성분석 및 질병예측을 위하여서는, 빅데이터 구축이 필요하다. 빅데이터를 구축하기 위해서, 다수의 데이터 정보가 필요하다. 이에 따라, 다수개의 농장을 하나의 서버에 연결하여 데이터 구축이 가능하다.For productivity analysis and disease prediction of a farm according to an embodiment of the present invention, it is necessary to construct big data. In order to build big data, a lot of data information is required. Accordingly, it is possible to build data by connecting multiple farms to one server.
즉, 농장에서 발생하는 계란 선별 정보, 농장 사육정보, 환경정보, 사료빈 관리, 음수량관리, 재해관리 등의 모든 데이터를 농장서버에 수집하고, 각 농장에 구비된 농장서버는 클라우드 서버와 연결되어, 각 농장서버의 데이터들을 하나로 모아 생산성과 질병을 예측하고 분석하게 된다.In other words, all data such as egg selection information, farm breeding information, environment information, feed bin management, water volume management, and disaster management occurring in the farm are collected in the farm server, and the farm server provided in each farm is connected to the cloud server. , Collects data from each farm server into one to predict and analyze productivity and disease.
또한, 상기 농장서버는 자체에서 생산성 분석 및 질병 예측이 가능하다. 즉, 각 농장에 구비된 농장서버에, 각 농장의 데이터를 수집하여 저장하게 되고, 상기 각 농장들의 정보는 클라우드 서버에 저장되어 하나의 빅데이터로 구축되게 된다. 상기 클라우드 서버에 저장된 정보는 사용자에게 제공되게 된다. In addition, the farm server itself is capable of analyzing productivity and predicting diseases. That is, the farm server provided in each farm collects and stores the data of each farm, and the information of each farm is stored in a cloud server and constructed as one big data. The information stored in the cloud server is provided to the user.
도 2는 본 발명의 일 실시예에 따른 데이터 수집을 나타낸 도면이다. 도 2를 참조하면, 데이터 수집 시, 먼저, 농장 내 센서, 선별기, 입력부, 사양관리기 등의 데이터 정보를 파악하게 된다. 이때 상기 입력부는 카메라 등이 될 수 있다. 상기 정보는 데이터 수집기의 데이터 수집 프로그램에 전송되게 되고, 날짜, 시간이 함께 입력되게 된다. 입력된 데이터가 이전에 저장된 데이터에 비해 변화가 발생하였을 경우, 원시데이터를 수집하고, 필요한 데이터를 추출하고, 가공 데이터를 저장하게 된다. 저장된 가공 데이터는 농장서버로 전송되게 된다.2 is a diagram illustrating data collection according to an embodiment of the present invention. Referring to FIG. 2, when collecting data, first, data information of a sensor, a sorter, an input unit, and a specification manager in a farm is grasped. At this time, the input unit may be a camera or the like. The information is transmitted to the data collection program of the data collector, and the date and time are input together. When the input data changes compared to previously stored data, raw data is collected, necessary data is extracted, and processing data is stored. The stored processing data is transmitted to the farm server.
이때, 데이터의 변화가 발생하지 않았을 경우, 상기 농장 내 센서, 선별기, 입력부, 카메라, 사양관리기 등은 모니터링을 다시 진행하게 된다.At this time, if there is no change in data, the sensor, sorter, input unit, camera, and specification manager in the farm will perform monitoring again.
도 3은 본 발명의 일 실시예에 따른 데이터 분석을 나타낸 도면이다. 도 3을 참조하여, 더욱 상세히 설명한다.3 is a diagram illustrating data analysis according to an embodiment of the present invention. It will be described in more detail with reference to FIG. 3.
도 3에 도시된 바와 같이, 본 발명의 일 실시예에 따른 생산성 및 질병을 분석하는 장치는 입력부, 농장서버, 클라우드 서버 및 사용자로 구성될 수 있다.As illustrated in FIG. 3, a device for analyzing productivity and disease according to an embodiment of the present invention may include an input unit, a farm server, a cloud server, and a user.
상기 입력부는, 카메라, 마이크 및 센서, 기기, 사양, 사육, 생산과 같은 데이터를 포함하고 있고, 사용자가 직접 입력하는 사용자 입력부 또한 포함하고 있다.The input unit includes data such as a camera, a microphone and a sensor, equipment, specifications, breeding, and production, and also includes a user input unit directly input by a user.
이때, 상기 입력부를 통해 획득된 영상 및 이미지 데이터는, 이미지 변환이 이루어지게 된다. 상기 변환된 이미지는, 저장소에 저장되게 되고, 분류되게 된다. 이때 분류되는 기준은, 행동패턴 또는 이미지 형태에 의해 분류되게 된다. 상기 변환된 이미지는 질병, 행동 패턴을 분석하게 된다.At this time, image and image data acquired through the input unit is image converted. The converted image is stored in a storage and classified. At this time, the criteria to be classified are classified by a behavior pattern or an image form. The converted image analyzes disease and behavior patterns.
또한, 상기 마이크를 통해 획득된 음성 데이터는 먼저, 노이즈를 제거하게 된다. 노이즈가 제거된 음성 데이터 또한 저장소에 저장되게 되고, 분류되게 된다. 분류된 데이터를 바탕으로, 질병, 음성 패턴을 분석하게 된다.In addition, the voice data obtained through the microphone is first, noise is removed. The voice data from which noise has been removed is also stored in the storage and classified. Based on the classified data, disease and voice patterns are analyzed.
사용자의 입력, 센서, 기기, 사양, 사육, 생산 등과 같은 정보에 의해 입력되는 정보는 임상관찰을 통해 입력되는 데이터로서, 상기 데이터는 질병의 연관성을 분석하게 된다.Information input by information such as user input, sensors, devices, specifications, breeding, production, etc. is data input through clinical observation, and the data analyzes the association of diseases.
상기 분석된 데이터는 농장서버에 저장되며. 상기 분석된 데이터들은 모두 취합되게 되고, 취합된 데이터는 클라우드 서버에 저장되게 되어, 사용자에게 정보를 제공하게 된다. The analyzed data is stored in the farm server. All of the analyzed data is collected, and the collected data is stored in a cloud server, thereby providing information to the user.
상기 클라우드 서버는, 각 데이터를 이력별, 지역별, 품종별, 사료별, 약품별, 농장별 등 다양한 분류로 저장하게 된다.The cloud server stores each data in various categories such as history, region, breed, feed, drug, and farm.
즉, 일예로, A 농장에서는 A 농장의 데이터를 획득하게 되는데, 이때 상기 데이터는 입력부, 마이크, 임상관찰, 사양기기 및 센서로부터 획득하게 된다. 상기 입력부 및 마이크는 농장내에 설치된 카메라, CCTV, 스마트폰, 마이크 등의 기기이며, 상기 임상관찰은, 폐사, 도태, 이동, 출하, 체중, 사료, 약품, 음수, 시설, 등과 같은 관찰 데이터이다. 상기 사양기기는 사료측정, 음수측정, 계란선별, 계란검란, 체중측정기 등과 같은 기기이며, 상기 센서는 온도, 습도, 이산화탄소, 암모니아, 풍속, 음압, 침입감지, 정전 등을 측정하기 위한 기기이다.That is, as an example, farm A acquires data of farm A, wherein the data is obtained from an input unit, a microphone, clinical observation, a specification device, and a sensor. The input unit and the microphone are devices such as cameras, CCTVs, smart phones, and microphones installed in the farm, and the clinical observations are observation data such as mortality, culling, movement, shipping, weight, feed, drugs, drinking water, facilities, and the like. The specification device is a device such as feed measurement, negative measurement, egg screening, egg screening, and weight measuring device, and the sensor is a device for measuring temperature, humidity, carbon dioxide, ammonia, wind speed, sound pressure, intrusion detection, power failure, and the like.
상기 입력부, 마이크, 임상관찰, 사양기기 및 센서로부터 획득된 데이터는 저장소로 이동하여 분류되게 된다. 분류된 데이터는 분석되게 되는데, 이때, 상기 데이터는 기초데이터, 학습데이터 및 학습을 통한 데이터로 나뉘게 되고, 이를 바탕으로, 질병 또는 생산성을 예측하고, 질병 또는 생산성을 분석할 수 있다.Data obtained from the input unit, microphone, clinical observation, specification device, and sensor are moved to the storage and classified. The classified data is analyzed, and the data is divided into basic data, learning data, and data through learning, and based on this, disease or productivity can be predicted and disease or productivity can be analyzed.
즉, 농장내의 서로 다른 데이터들을 날짜, 시간별로 분석하고 실시간으로 모니터링을 통해 변환 데이터를 추출하여, 필요 데이터를 농장서버로 전송하여 통합, 관리된다. 상기 데이터들은 통신프로토콜, 데이터 형식별로 데이터 수집기, 데이터 전송 프로그램을 통해 추출된 데이터를 JSON 형태의 파일로 가공해 농장 서버에 전송 해 통합관리를 진행함으로써, 농장내에 서로 다른 기기에서 나오는 정보들을 보기 위해 여러개의 모니터링 시스템을 이용하는 불편을 해소하고 데이터 통합을 통해 생선성, 분석에 대한 정확도를 높일 수 있다.That is, different data in the farm are analyzed by date and time, and converted data is extracted through monitoring in real time, and necessary data is transmitted to the farm server to be integrated and managed. The above data are processed through a communication protocol, a data collector for each data type, and data extracted through a data transmission program, processed as a JSON file, and transmitted to a farm server for integrated management to view information from different devices in the farm. Eliminate the inconvenience of using multiple monitoring systems and increase the accuracy of fish analysis and analysis through data integration.
즉, 상기 장치는, 농장서버, 클라우드 서버를 포함하고 있으머, 상기 농장서버는 농장에서 발생하는 계란 선별 정보, 농장 사육정보, 환경정보, 사료빈 관리, 음수량관리, 재해관리 등의 모든 데이터를 농장서버에 수집하고, 클라우드 서버와 연결되어, 각 농장서버의 데이터들을 하나로 모아 생산성과 질병을 예측하고 분석하게 된다. 또한, 각 농장에 구비된 농장서버에, 각 농장의 데이터를 수집하여 저장하게 되고, 상기 각 농장들의 정보는 클라우드 서버에 저장되어 하나의 빅데이터로 구축되게 된다. 상기 클라우드 서버에 저장된 정보는 사용자에게 제공되게 된다.That is, since the device includes a farm server and a cloud server, the farm server can collect all data such as egg selection information, farm breeding information, environmental information, feed bin management, water volume management, and disaster management occurring in the farm. Collected on the farm server, and connected to the cloud server, collects data from each farm server into one to predict and analyze productivity and disease. In addition, the farm server provided in each farm collects and stores the data of each farm, and the information of each farm is stored in a cloud server and constructed as one big data. The information stored in the cloud server is provided to the user.
즉, 상기 클라우드 서버는 농장에서 발생하는 계란 선별 정보, 농장 사육정보, 환경정보, 사료빈 관리, 음수량관리, 재해관리 등의 모든 데이터 및 이력별, 지역별, 품종별, 사료별, 약품별, 농장별 등 다양한 분류로 데이터를 저장하고, 각 농장에 구비된 농장서버는 클라우드 서버와 연결되어, 각 농장서버 내의 데이터들을 분석하여 생산성 및 질병을 예측하게 된다.That is, the cloud server includes all data and history, region, breed, feed, drug, farm, such as egg selection information, farm breeding information, environmental information, feed bin management, water volume management, disaster management, etc. Data is stored in various classifications such as stars, and the farm server provided in each farm is connected to a cloud server to analyze productivity and predict disease and data in each farm server.
즉, 클라우드 서버에 농장별 생산성, 질병 데이터를 취합해 농장별, 품종별, 계군별, 사료별, 약품등 다양한 생산성 분석 및 질병 연관성 등을 분석하고 예측해 사용자에게 제공하게 된다.In other words, it collects productivity and disease data for each farm on a cloud server, analyzes and predicts various productivity analysis, such as farm, breed, family, feed, and drug, and correlates disease to provide it to users.
또한, 농장의 생산성, 예를 들면, 환경, 사육, 사양, 경영등에 따라 생산성을 분석하고 예측해 사용자에게 제공하게 된다.In addition, it analyzes and predicts productivity according to farm productivity, for example, environment, breeding, specifications, management, etc., and provides it to users.
또한, 상기 농장서버는 상기 입력부를 통해 촬영된 영상 및 농장 내의 데이터를 수집하는 데이터수집부 및 상기 데이터수집부로부터 수집된 데이터를 분석 및 가공하는 분석부를 더 포함하는 것을 특징으로 한다.In addition, the farm server is characterized in that it further comprises a data collection unit for collecting data captured in the farm and images captured through the input unit and an analysis unit for analyzing and processing data collected from the data collection unit.
상기 데이터수집부는, 입력부로부터 촬영된 영상 및 환경정보를 수집하기 위해 구비된 것으로, 입력부를 통해 촬영된 영상을 수집하고, 사육정보, 사료정보, 음수량정보 등의 다양한 데이터를 수집하기 위해 구비되어 있다. 상기 데이터수집부는 실시간으로 데이터를 수집하며, 이때, 실시간으로 수집되는 데이터는 사료양, 음수량, 습도, 온도 등의 데이터일 수 있으며, 수집된 데이터는 모두 농장서버내에 저장되게 된다.The data collection unit is provided to collect images and environmental information photographed from the input unit, and is provided to collect images photographed through the input unit and to collect various data such as breeding information, feed information, and volume information. . The data collection unit collects data in real time, and in this case, data collected in real time may be data such as feed amount, negative volume, humidity, and temperature, and all the collected data is stored in the farm server.
상기 분석부는, 상기 수집된 데이터를 분석 및 가공하기 위해 구비된 것으로, 일예로, 상기 입력부를 통해 촬영된 가축의 영상을 기저장된 사진과 비교하여 질병 또는 상태를 파악하기 위해 구비되어 있다.The analysis unit is provided to analyze and process the collected data. For example, it is provided to identify a disease or condition by comparing an image of a livestock photographed through the input unit with a pre-stored photograph.
또한, 가축을 사육하는 농장에 설치되어, 생산성 및 질병을 분석하는 방법에 있어서, 농장 내의 데이터를 실시간으로 수집하는 단계를 거치게 되고, 실시간으로 수집한 데이터의 크기를 분석하여 서버에 누적시키는 단계를 거치게 되고, 누적된 데이터를 기저장된 데이터와 비교하는 단계를 거치게 된다.In addition, installed in a farm for raising livestock, in a method of analyzing productivity and disease, a step of collecting data in a farm in real time is performed, and the size of the collected data in real time is analyzed and accumulated in a server. Then, the accumulated data is compared with pre-stored data.
도 4는 본 발명의 일 실시예에 따른 질병 파악 방법을 나타낸 도면이며, 도 5는 본 발명의 일 실시예에 따른 질병 파악 방법을 나타낸 도면이다. 도 4 내지 도 5를 참조하여, 실시예에 따른 질병 파악 방법에 대해 더욱 상세히 설명한다.4 is a view showing a disease identification method according to an embodiment of the present invention, Figure 5 is a view showing a disease identification method according to an embodiment of the present invention. 4 to 5, the disease identification method according to the embodiment will be described in more detail.
먼저, 도 4를 참조하면, 조류 뇌척수염이 의심되는 병아리에 대해 수집된 영상 또는 이미지를 행동 패턴 분석 및 이미지를 분석하게 된다. 이때, 기저장된 조류 뇌척수염에 걸린 가축의 이미지와 비교하여 특이사항이 발생된다면, 조류 뇌척수염으로 진단을 내리고 그에 맞는 처방, 처치를 진행하거나 또는 대응을 하게 된다.First, referring to FIG. 4, a behavioral pattern analysis and image analysis are performed on collected images or images of chicks suspected of avian encephalomyelitis. At this time, compared to the pre-stored images of live animals with avian encephalomyelitis, if a specific problem occurs, the diagnosis is made with avian encephalomyelitis, and the appropriate prescription, treatment, or treatment is performed.
즉, 입력부를 통해 수집된 이미지 또는 영상을 먼저, 데이터베이스 내에 저장된 사진과 비교, 분석을 진행한다. 이때, 상기 데이터베이스는 농장서버 또는 클라우드 서버 내에 구비된 데이터베이스일 수 있다. 즉, 데이터베이스 내에 저장된 질병 사진과 입력부에 의해 촬영된 영상을 비교 분석하게 된다. 이때 조류 뇌척수염(AE)이 의심 될 경우, 닭을 임상관찰하고, 계란의 생산량이 감소하고, 사료 섭취 및 음수의 양이 줄어드는지를 확인한다. 즉, 농장내에서 수집된 데이터들을 바탕으로, 닭에게 마비증상이 왔는지, 다리가 약화되었는지, 머리와 목에 미세한 떨림이 있는지, 폐사량이 증가하였는지를 확인한다. 또한, 달걀 생산량이 감소되었는지를 확인하고, 닭의 사료 섭취량 및 음수 섭취량이 감소하였는지를 확인한다. 확인된 결과를 바탕으로 질병을 분석하고 예측한다. 상기 확인을 통해, 닭에 이상이 없을 경우, 특이사항이 없다는 결론을 내리고, 이상이 발생한 경우, 사용자에게 닭이 조류 뇌척수염이 의심된다고 정보를 제공한다. 이때, 상기 정보를 제공함에 있어, 수의사에게 통보하여 정확한 진단을 받고, 감염이 의심되는 병아리와 가금류는 개체와 분류하여 확진 판정시까지 별도 관리를 필요로 하고, 도태처리 하여야 한다는 세부사항도 함께 제공한다.That is, the image or video collected through the input unit is firstly compared and analyzed with the photo stored in the database. At this time, the database may be a database provided in a farm server or a cloud server. That is, the disease picture stored in the database and the image captured by the input unit are compared and analyzed. At this time, if avian encephalomyelitis (AE) is suspected, the chicken is clinically observed, and the production of eggs is reduced and the amount of feed intake and the amount of negative water is reduced. That is, based on the data collected on the farm, it is checked whether the chicken has a paralysis symptom, a weakened leg, a slight tremor in the head and neck, or an increased mortality. In addition, it is confirmed whether the egg production is reduced, and whether the feed intake and negative intake of the chicken are reduced. Analyze and predict the disease based on the confirmed results. Through the above confirmation, if there is no abnormality in the chicken, it is concluded that there is no specificity, and if an abnormality occurs, the user is provided with information that the chicken is suspected of avian encephalomyelitis. At this time, in providing the above information, the veterinarian is notified of the correct diagnosis, and the chicken and poultry suspected of infection are classified with the individual, and additional management is required until confirmation of diagnosis. do.
또 다른 실시예로, 도 5를 참조하면, 조류 아데노 바이러스-달걀 증후군이 의심되는 달걀에 대해 수집된 영상 또는 이미지를 분석하게 된다. 수집된 이미지를 바탕으로 데이터베이스 내에 저장된 달걀의 이미지와 비교, 분석하게 된다. 달걀증후군(EDS 76)이 의심될 경우, 수집된 데이터베이스를 살펴본다. 수집된 데이터베이스에서, 닭의 임상관찰. 달걀의 임상관찰 및 생산량을 파악한다. 닭의 시력이 저하하고 둔감해지며, 설사가 발생하고, 폐사율이 증가하였는지, 달걀의 크기가 감소하고 껍질이 없는 달걀이 발생하고, 얇은 껍질의 달걀이 나타나고 색상이 손실되었는지를 확인한다. 상기 데이터베이스가 달걀 증후군을 나타내는 증상들을 나타내면, 달걀증후군으로 판단하고, 사용자에게 조류 아데노 바이러스-달걀 증후군이 의심된다고 알려준다. 이때, 사용자에게 조류 아데노 바이러스-달걀 증후군이 의심되니, 수의사에게 통보하여 정확한 진단을 받고, 감염이 의심되는 병아리와 가금류는 개체를 분리하고, 감염이 확진된 병아리와 가금류는 도태 처리하는 후속 조치에 대해서도 정보를 제공하고, 기타 감염병아리로부터 수평 전염되는 정보 등도 알려준다.As another embodiment, referring to FIG. 5, a collected image or image of an egg having suspected avian adenovirus-egg syndrome is analyzed. Based on the collected images, the images of the eggs stored in the database are compared and analyzed. If the egg syndrome (EDS 76) is suspected, look at the collected database. In the collected database, clinical observations of chickens. Obtain clinical observation and production of eggs. Make sure that the chicken's eyesight is deteriorating and dull, diarrhea occurs, mortality increases, the egg size decreases, the eggs without shells appear, the eggs appear thin, and the color is lost. If the database shows symptoms indicating egg syndrome, it is determined as egg syndrome and informs the user that avian adenovirus-egg syndrome is suspected. At this time, the user is suspected of avian adenovirus-egg syndrome, so the veterinarian is notified of the correct diagnosis, and the suspected infection is separated from the chicken and poultry, and the confirmed infection and the poultry are removed. It also provides information, as well as information that is transmitted horizontally from other infected children.
즉, 영상, 음성, 임상관찰 등의 빅데이터 분석을 통해, 질병의 예측, 분석이 이루어지고, 질병의 예측, 분석이 이루어 진 뒤, 위치기반 질병정보, 이력기반 질병정보 등과 같은 정보도 추가로 알려준다.In other words, through big data analysis such as video, audio, and clinical observation, disease prediction and analysis is performed, disease prediction and analysis are performed, and information such as location-based disease information and history-based disease information is additionally added. Informs.
상기 분석부는, 상기 이미지를 비교, 분석함에 있어, 인공지능을 이용할 수 있다. 상기 분석부는 상기 정상 또는 비정상의 달걀에 대해 1 또는 0을 가지는 바이너리 클래시피케이션(binary classification)을 학습시킬 수 있다. 상기 바이너리 클래시피케이션은 최종 결과로 1 또는 0을 가지고, 입력된 두 이미지를 비교하여 같다, 다르다를 판단하게 된다. 즉, 바이너리 클래시피케이션을 이용하여, 달걀의 이미지가 수집되었을 때, 기 저장된 데이터베이스 내의 달걀의 이미지와 비교하여, 차이가 없을 경우 1의 결과값을 나타내고, 차이가 있을 경우 0의 차이값을 나타낸다. 이때, 기저장된 데이터베이스 내의 달걀의 이미지는 병든 달걀의 이미지 일 수 있으며, 상기와 같은 경우, 차이가 없다는 1의 값이 나타난다면, 현재 달걀 또한 병들어 있음을 알 수 있다.The analysis unit may use artificial intelligence in comparing and analyzing the image. The analysis unit may train binary classification having 1 or 0 for the normal or abnormal egg. The binary classification has 1 or 0 as the final result, and compares the two input images to determine whether they are the same or different. That is, when an image of an egg is collected by using a binary recipe, compared with an image of an egg in a pre-stored database, a result of 1 is displayed when there is no difference, and a value of 0 is displayed when there is a difference. . At this time, the image of the egg in the pre-stored database may be an image of the diseased egg. In the above case, if a value of 1 indicating no difference appears, it can be seen that the current egg is also diseased.
또한, 상기 데이터베이스의 정보들을 바탕으로, 사용자의 농장 관리에 도움을 주기 위해 컨설팅부를 더 구비할 수 있다. 보다 구체적으로는, 상기 데이터베이스 내의 농장 정보를 컨설턴트 단말로 제공하고, 상기 컨설턴트 단말을 통해 입력받은 컨설팅 정보를 사용자 단말에게 제공할 수 있다. 상기 컨설팅은, 상기 농장 서버를 통해 이루어지는 닭 또는 달걀의 정보에 대해 컨설팅을 진행하나, 이에 한정되는 것은 아니며, 기상이변에 대한 대책 방안 등, 농장 운영에 관하여 제공받을 수 있는 모든 컨설팅내용을 포함할 수 있다.In addition, based on the information in the database, a consulting unit may be further provided to assist the user in managing the farm. More specifically, farm information in the database may be provided to a consultant terminal, and consulting information received through the consultant terminal may be provided to a user terminal. The consulting proceeds with consulting on chicken or egg information made through the farm server, but is not limited thereto, and includes all consulting contents that can be provided regarding farm operation, such as a countermeasure against extreme weather. Can be.
또한, 상기 데이터베이스부에 저장된 농가 정보를 확인하고, 이 중 사용자 농장과 관련된 추천사례, 비추천 사례에 대한 농가 정보를 컨설팅 정보로 포함시킴으로써, 보다 더 효율적인 컨설팅이 이루어질 수 있도록 할 수 있다. 또한, 상기 컨설팅부는 상기 사용자에 대하여 복수의 컨설턴트로부터 입력받은 컨설팅 정보 중 공통되는 부분을 구조화하여 상기 사용자에게 제공할 수 있다. 보다 구체적으로는, 상기 사용자가 복수의 컨설턴트에게 컨설팅을 받은 경우, 상기 컨설팅 정보 중 공통되는 부분을 강조하거나, 계층화하여 상기 사용자에게 제공함으로써, 사용자는 상기 컨팅 정보를 보다 객관적으로 인식하고, 이용할 수 있게 된다.In addition, by checking the farm information stored in the database unit, among them, by including farm information on recommendations and non-recommended cases related to the user farm as consulting information, more efficient consulting can be achieved. In addition, the consulting unit may structure and provide a common portion of consulting information received from a plurality of consultants to the user. More specifically, when the user is consulted by a plurality of consultants, by highlighting or layering a common part of the consulting information and providing it to the user, the user can more objectively recognize and use the chatting information. There will be.
또한, 상기 컨설팅부는 사용자간 또는 상기 사용자와 상기 컨설턴트와의 교류를 위한 게시판 또는 커뮤니티를 더 포함할 수 있다. 이를 통해 상기 사용자는 타 사용자들 및 상기 컨설턴트와의 사이에서 동질감 및 친밀감 등을 느낄 수 있으며, 서로 교류하며 각 농장에 관한 정보를 보다 더 효과적으로 얻을 수 있다.In addition, the consulting unit may further include a bulletin board or a community for exchange between users or between the user and the consultant. Through this, the user can feel a sense of homogeneity and intimacy with other users and the consultant, and exchange information with each other to obtain information about each farm more effectively.
상기 컨설팅은 사용자의 단말을 통한 상기 사용자의 요청에 기초하여 특정 시기에, 또는 주기적으로 이루어질 수 있다.The consulting may be performed at a specific time or periodically based on the user's request through the user's terminal.
본 발명의 일실시예에 따른 인공지능 시스템은, 기존의 인공지능과 같이 특정 목적을 위해 개발된 알고리즘과 그 특정 목적과 관련된 빅데이터를 이용해 인간에 의해 사전에 연구실 등에서만 학습한 후 현장이나 실전에 투입시키는 방식이 아닌, 빅데이터가 없어도 가능할 정도의 간단한 사전 학습을 시킨 후 현장에 투입하여, 보조(지원)해야 될 사용자의 옆에서 같이 임무를 수행하면서 지속적으로 실시간으로 학습할 수 있다The artificial intelligence system according to an embodiment of the present invention uses an algorithm developed for a specific purpose, such as existing artificial intelligence, and big data related to the specific purpose, and is learned by a human in a laboratory or the like beforehand in the field or in practice. It is not a method to put it in, but it is possible to learn in real time while performing a task as a user next to a user who needs to be assisted (supported) by making a simple pre-learning that is possible without big data and then putting it into the field.
이상의 설명에서는 본 발명의 다양한 실시예들을 제시하여 설명하였으나 본 발명이 반드시 이에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능함을 쉽게 알 수 있을 것이다. In the above description, various embodiments of the present invention have been presented and described, but the present invention is not necessarily limited thereto, and a person having ordinary knowledge in the technical field to which the present invention pertains may be provided without departing from the technical spirit of the present invention. It will be readily apparent that branch substitution, modification and modification are possible.
100 : 농장 서버
200 : 입력부
300 : 클라우드 서버
400 : 사용자100: farm server
200: input unit
300: cloud server
400: user
Claims (5)
적어도 하나 이상 설치된 입력부;
농장의 정보를 저장하고, 상기 농장의 생산성과 상기 농장 내의 가축의 질병을 예측하고 분석하는 농장서버;
상기 농장서버로부터의 정보를 취합하고 분류하여 저장하는 클라우드 서버;
를 포함하는 것을 특징으로 하는 빅데이터를 이용한 농장 생산성 및 질병 분석 장치.
Installed in a farm for raising livestock, in the device for analyzing productivity and disease,
At least one input unit;
A farm server that stores farm information and predicts and analyzes productivity of the farm and diseases of livestock in the farm;
A cloud server that collects, classifies and stores information from the farm server;
Farm productivity and disease analysis apparatus using big data, characterized in that it comprises a.
상기 입력부를 통해 촬영된 영상 및 농장 내의 데이터를 수집하는 데이터수집부; 및
상기 데이터수집부로부터 수집된 데이터를 분석 및 가공하는 분석부;를 포함하는 것을 특징으로 하는 빅데이터를 이용한 농장 생산성 및 질병 분석 장치.
The method of claim 1, wherein the farm server
A data collection unit collecting images captured through the input unit and data in a farm; And
Farm productivity and disease analysis apparatus using big data, characterized in that it comprises a; analysis unit for analyzing and processing the data collected from the data collection unit.
상기 입력부를 통해 촬영된 영상을 기저장된 사진과 비교하여 분석하는 것을 특징으로 하는 빅데이터를 이용한 농장 생산성 및 질병 분석 장치.
According to claim 1, The analysis unit
Farm productivity and disease analysis apparatus using big data, characterized in that the image captured through the input unit is compared and analyzed with a pre-stored picture.
실시간으로 수집되는 것을 특징으로 하는 빅데이터를 이용한 농장 생산성 및 질병 분석 장치.
The method of claim 1, wherein the data
Farm productivity and disease analysis device using big data, characterized in that it is collected in real time.
농장 내의 데이터를 실시간으로 수집하는 단계;
실시간으로 수집한 농장 내의 데이터를 농장서버에 저장하는 단계;
수집된 농장의 데이터가 클라우드 서버에서 취합되고 분류되는 단계;
입력부를 통해 수집된 이미지 또는 영상을 기저장된 사진과 비교, 분석하여, 농장의 생산성을 파악하거나 또는 질병을 분석하는 단계;
를 포함하는 것을 특징으로 하는 빅데이터를 이용한 농장 생산성 및 질병 분석 방법.In the method of analyzing productivity and disease, installed on farms for raising livestock,
Collecting data in the farm in real time;
Storing the data in the farm collected in real time on the farm server;
The collected farm data is collected and classified in the cloud server;
Comparing and analyzing the image or video collected through the input unit with a pre-stored picture, grasping the productivity of the farm or analyzing the disease;
Farm productivity and disease analysis method using big data, characterized in that it comprises a.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180153797A KR102253236B1 (en) | 2018-12-03 | 2018-12-03 | Farm disease analysis device using big data |
| PCT/KR2019/013921 WO2020116775A1 (en) | 2018-12-03 | 2019-10-23 | Farm productivity and disease analysis device using big data, and productivity and disease analysis method using same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180153797A KR102253236B1 (en) | 2018-12-03 | 2018-12-03 | Farm disease analysis device using big data |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200071836A true KR20200071836A (en) | 2020-06-22 |
| KR102253236B1 KR102253236B1 (en) | 2021-05-17 |
Family
ID=70974972
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180153797A KR102253236B1 (en) | 2018-12-03 | 2018-12-03 | Farm disease analysis device using big data |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102253236B1 (en) |
| WO (1) | WO2020116775A1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024204965A1 (en) * | 2023-03-31 | 2024-10-03 | 한국전자기술연구원 | Low-latency edge computing-based speed-sensitive smart farm system for productivity improvement |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130088667A (en) * | 2012-01-31 | 2013-08-08 | (주)아크로엠 | U-it based remote image medical device for improvement of livestock productivity |
| KR20140105626A (en) | 2013-02-21 | 2014-09-02 | 순천대학교 산학협력단 | Livestock delivery and sensing monitoring system and methods |
| KR20170084834A (en) * | 2016-01-13 | 2017-07-21 | 전주기전대학 산학협력단 | Cattle Shed Management System in mobile cloud environment by using IoT data |
| KR101832724B1 (en) * | 2016-09-08 | 2018-04-16 | 아인정보기술 주식회사 | System and method for diagnosing crop through the video image |
| KR20180051785A (en) * | 2016-11-09 | 2018-05-17 | 건국대학교 산학협력단 | Livestock monitoring system |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015001538A2 (en) * | 2013-07-05 | 2015-01-08 | Stellapps Technologies Private Limited | Farm and herd management system |
| KR20180040862A (en) * | 2016-10-13 | 2018-04-23 | (주)농정사이버 | Cloud farm integrate manage and control system |
| KR20180068347A (en) * | 2016-12-13 | 2018-06-22 | (주)인스페이스 | System for visualizing agro-livestock big data |
| JP6288238B2 (en) * | 2016-12-27 | 2018-03-07 | 三菱電機株式会社 | Agricultural management system and management center for agricultural management system |
-
2018
- 2018-12-03 KR KR1020180153797A patent/KR102253236B1/en active IP Right Grant
-
2019
- 2019-10-23 WO PCT/KR2019/013921 patent/WO2020116775A1/en active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130088667A (en) * | 2012-01-31 | 2013-08-08 | (주)아크로엠 | U-it based remote image medical device for improvement of livestock productivity |
| KR20140105626A (en) | 2013-02-21 | 2014-09-02 | 순천대학교 산학협력단 | Livestock delivery and sensing monitoring system and methods |
| KR20170084834A (en) * | 2016-01-13 | 2017-07-21 | 전주기전대학 산학협력단 | Cattle Shed Management System in mobile cloud environment by using IoT data |
| KR101832724B1 (en) * | 2016-09-08 | 2018-04-16 | 아인정보기술 주식회사 | System and method for diagnosing crop through the video image |
| KR20180051785A (en) * | 2016-11-09 | 2018-05-17 | 건국대학교 산학협력단 | Livestock monitoring system |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024204965A1 (en) * | 2023-03-31 | 2024-10-03 | 한국전자기술연구원 | Low-latency edge computing-based speed-sensitive smart farm system for productivity improvement |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102253236B1 (en) | 2021-05-17 |
| WO2020116775A1 (en) | 2020-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| García et al. | A systematic literature review on the use of machine learning in precision livestock farming | |
| Neethirajan et al. | Digital livestock farming | |
| Li et al. | Automated techniques for monitoring the behaviour and welfare of broilers and laying hens: towards the goal of precision livestock farming | |
| EFSA Panel on Animal Health and Welfare (AHAW) | Statement on the use of animal‐based measures to assess the welfare of animals | |
| KR102165891B1 (en) | Livestock data analysis-based farm health state diagnosis system | |
| Garcia et al. | Lameness detection challenges in automated milking systems addressed with partial least squares discriminant analysis | |
| Singh et al. | Artificial intelligence and iot based monitoring of poultry health: A review | |
| CN111310596A (en) | Animal diseased state monitoring system and method | |
| Kleen et al. | Precision livestock farming: What does it contain and what are the perspectives? | |
| Ramírez-Morales et al. | Automated early detection of drops in commercial egg production using neural networks | |
| Majewski et al. | Multipurpose monitoring system for edible insect breeding based on machine learning | |
| Yajie et al. | Poultry disease early detection methods using deep learning technology | |
| CN116702051A (en) | Abnormal behavior monitoring method and system for storage and farming | |
| Himu et al. | An overview of precision livestock farming (PLF) technologies for digitalizing animal husbandry toward sustainability | |
| Lupo et al. | Bayesian network as an aid for Food Chain Information use for meat inspection | |
| Bhuiyan et al. | Animal Behavior for Chicken Identification and Monitoring the Health Condition Using Computer Vision: A Systematic Review | |
| US20240037734A1 (en) | Systems and methods for classifying pet information | |
| KR102253236B1 (en) | Farm disease analysis device using big data | |
| Lubich et al. | Identification and classification of poultry eggs: A case study utilizing computer vision and machine learning | |
| Ali et al. | Application of artificial intelligence in monitoring of animal health and welfare | |
| CN114241409A (en) | Disease early warning system and method based on abnormal excrement and anatomical images of caged chickens | |
| Madhanakumar | Lumpy Skin Disease Prediction Using Machine Learning | |
| Neethirajan | Digitalization of animal farming | |
| Taleb et al. | Using artificial intelligence to improve poultry productivity–a review | |
| Talebi et al. | Revolutionizing animal sciences: Multifaceted solutions and transformative impact of AI technologies |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |